Weights & Biases

Weights & Biases (genellikle W&B veya WandB olarak kısaltılır), veri bilimcilerin ve makine öğrenimi mühendislerinin model geliştirme iş akışlarını kolaylaştırmalarına yardımcı olmak için tasarlanmış kapsamlı bir Makine Öğrenimi Operasyonları (MLOps) platformudur. Geliştirici odaklı bir araç olarak, deneyleri takip etmek, veri kümelerini ve modelleri sürümlemek ve performans metriklerini gerçek zamanlı olarak görselleştirmek için merkezi bir kayıt sistemi görevi görür. Yapay zeka dünyasının karmaşık ortamında, eğitimin tekrarlanabilirliğini ve görünürlüğünü korumak kritiktir; Weights & Biases, hiperparametreleri, sistem metriklerini ve çıktı dosyalarını otomatik olarak kaydederek, ekiplerin birbirinden farklı deneyleri karşılaştırmasına ve en iyi performans gösteren yapılandırmaları verimli bir şekilde tanımlamasına olanak tanıyarak bu sorunu çözer.

Link to this sectionMakine Öğrenimindeki Temel Yetenekler#

Weights & Biases'in birincil değeri, derin öğrenme modellerini eğitmenin genellikle kaotik olan sürecini organize etme yeteneğinde yatar. PyTorch ve Ultralytics ekosistemi gibi popüler çerçevelerle doğrudan entegre olan bir araç paketi sunar.

• Deney Takibi: Bu özellik, öğrenme oranı, batch size ve model mimarisi gibi tüm yapılandırma parametrelerini kaydeder. Ayrıca kayıp fonksiyonları ve zaman içindeki doğruluk gibi dinamik metrikleri günlüğe kaydeder ve bunları etkileşimli grafiklerde sunar.
• Hiperparametre Optimizasyonu: W&B Sweeps, hiperparametre ayarlama sürecini otomatikleştirir. Farklı parametre kombinasyonlarını keşfederek, manuel müdahaleye gerek kalmadan mAP (Mean Average Precision) gibi model performans metriklerini en üst düzeye çıkarabilirsin.
• Artifact Yönetimi: Tam bir soy takibi sağlamak için, W&B Artifacts veri kümelerini ve model kontrol noktalarını sürüm kontrolüne alır. Bu, tam olarak hangi veri sürümünün belirli bir modeli ürettiğini izlemeni sağlar ve bu, sağlam bir model izlemenin kilit bir bileşenidir.
• Sistem İzleme: Platform, GPU kullanımı, bellek tüketimi ve sıcaklık dahil olmak üzere donanım kullanımını takip eder. Bu, işlem yoğunluklu eğitim oturumları sırasında darboğazları belirlemeye ve verimli kaynak tahsisi sağlamaya yardımcı olur.

Link to this sectionGerçek Dünya Uygulamaları#

Weights & Biases, bilgisayarlı görü ve NLP çözümlerinin dağıtımını hızlandırmak için çeşitli endüstrilerde kapsamlı bir şekilde kullanılmaktadır.

1. İşbirlikçi Araştırma ve Geliştirme: Büyük yapay zeka araştırma ekipleri, deney sonuçlarını anında paylaşmak için W&B kullanır. Örneğin, bir otonom araç algılama sistemi geliştiren bir ekip, farklı nesne algılama mimarileri eğiten birden fazla mühendise sahip olabilir. W&B, bu çalışmaları tek bir panoda birleştirerek ekibin hangi mimarinin uç durumları (edge cases) en iyi şekilde ele aldığını işbirliği içinde analiz etmesine olanak tanır ve daha hızlı yineleme döngülerini teşvik eder.

2. Üretim Modeli Bakımı: Üretim kalite kontrolü gibi endüstriyel ortamlarda, modellerin veri kaymasını önlemek için yeni verilerle periyodik olarak yeniden eğitilmesi gerekir. W&B, mühendislerin aday bir üretim modelinin performansını mevcut temel modelle karşılaştırmasına yardımcı olur ve yalnızca üstün hassasiyet ve geri çağırma (precision and recall) oranlarına sahip modellerin uç (edge) sistemlere dağıtılmasını sağlar.

Link to this sectionUltralytics YOLO ile Entegrasyon#

Weights & Biases ile Ultralytics arasındaki entegrasyon sorunsuzdur ve nesne algılama, segmentasyon ve poz kestirimi görevleri için zengin görselleştirmeler sağlar. YOLO26 gibi modern bir model eğitilirken, entegrasyon metrikleri, sınırlayıcı kutu (bbox) tahminlerini ve karmaşıklık matrislerini otomatik olarak günlüğe kaydeder.

Bu kod parçası, otomatik günlük kaydı yeteneklerinden nasıl yararlanılacağını göstermektedir. İstemciyi kurarak, eğitim süreci sonuçları bulutla eşitleyecektir.

from ultralytics import YOLO

# Ensure the wandb client is installed
# pip install wandb

# Load the YOLO26 model (latest generation)
model = YOLO("yolo26n.pt")

# Train the model on the COCO8 dataset
# The integration automatically detects wandb and logs metrics
model.train(data="coco8.yaml", epochs=5, project="YOLO26_Experiments", name="run_01")

Link to this sectionAyrım: Platform ve Sinir Ağı Parametreleri#

"Weights & Biases" platformu ile weights (ağırlıklar) ve biases (sapmalar) gibi temel sinir ağı kavramlarını birbirinden ayırmak önemlidir.

• Weights ve Biases (Parametreler): Bir sinir ağında, "weights", nöronlar arasındaki bağlantının gücünü belirleyen öğrenilebilir parametrelerdir ve "biases", aktivasyon fonksiyonunun kaydırılmasına izin veren ek parametrelerdir. Bunlar, geriye yayılım (backpropagation) sırasında optimize edilen matematiksel değerlerdir.
• Weights & Biases (Platform): Bu, bu sayfada tartışılan harici yazılım aracıdır. Platform, analiz için sinir ağının ağırlıklarının ve sapmalarının değerlerini ve gradyanlarını takip etse de, bu matematiksel bileşenlerin kendisi değil, eğitim verilerinin ve sürecinin üzerinde yer alan bir yönetim katmanıdır.

Etiketleme ve dağıtım dahil olmak üzere tüm yaşam döngüsünü deney takibi ile birlikte yönetmek isteyen kullanıcılar için, Ultralytics Platform ayrıca Weights & Biases entegrasyonu tarafından sağlanan ayrıntılı metrik kaydını tamamlayan güçlü araçlar sunar.